秋招回顾7：海信算法岗面经

1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...

😭😭😭😭本人26届双非本，后端选手。从25年秋招开始，一直到春招5月份，一共面了12次字节。可以说后面能继续投递面上字节大概率是因为前面一直累计的面评还不错，但是最终的结果往往不尽如人意，黄梁一梦。timeline:如标题，总共面了12次字节，4个不同的岗位。第一次：抖音生活服务测开二面完排序挂第二次：TikTok国际化电商测开三面完排序挂第三次：飞书后端安全团队三面完挂第四次：飞书后端偏基架团队三面完过，HR面完之后询问综合排序不推进。我知道像BAT这样的公司，双非本想拿到一张入场券有多难，也知道每次挂在排序/三面/HR面，那种差一步上岸又被打回原点的落差感有多磨人。可是最后一次字节的这个岗位，已经是5月中旬才开始面得了，春招末期的岗位，我本以为真的缺人，三面过的那天，我真的以为就差一步hr面就稳了，但是，最终的结果很遗憾，综合排序综合排序，不推进了。如果是技术能力的问题，我想也不会每一轮技术面给我通过。思来想去。难道真的就是因为我们双非有案底，所以最后的一切又算什么呢。付出这么多的时间精力，还是抵不过双非学历太差吗？既然如此一开始直接卡掉简历不用给面试不就行了嘛，每一轮面试都给我们生的希望，最后的最后又回到了那个必输的起点。12次字节，说不遗憾是假的，也无数次怀疑过自己：是不是我算法刷得还不够？是不是项目亮点讲得不够好？是不是学历就是一道跨不过去的坎？但回头看，这一年的秋招到春招，从面对面试官紧张到说话卡壳，到后来的从容面对，再到如今甚至能和面试官探讨AI&大模型技术的一些方案思路，我已经比去年的自己强太多了。可能字节于我，真的是一场盛大的单恋，拼尽全力奔赴，却还是没能收到想要的回应。前路漫漫，字节的梦碎了，但我的路还在继续，希望下一站，会有属于我的一场徐风。

近一年来，各类 Agent 产品集中爆发。为了体现技术先进性，许多接入了大模型的应用都将自己定义为「Agent」。但在实际使用中你会发现，很多号称 Agent 的系统，底层仍然是传统的自动化流程。它们的步骤是固定的，路径是预设的，缺乏自主决策能力。这实际上是 Workflow，而非真正的 Agent。那么，Workflow 和 Agent 到底有什么区别？一个需求到底该用 Workflow 还是 Agent？本文将按 Workflow 定义 → Agent 定义 → 核心对比 → 选型策略 的结构展开，概念与结论紧密结合，读完即可判断。一、Workflow📌 一句话定义：Workflow 是...